当行业在讨论谁的模型更聪明时，DeepSeek仍然把目光投向更现实的问题：如何让模型更快。

　　6月27日，DeepSeek官方在Github低调更新了一篇最新论文，介绍其推理加速框架DSpark，试图解决大语言模型在高并发场景下的推理效率瓶颈。

　　从作者署名来看，这篇论文由DeepSeek与北京大学联合发布，DeepSeek创始人梁文锋也位列作者名单。在论文中，团队开源了DSpark模型权重，并同步发布了面向推测解码、由算法驱动的训练代码仓库DeepSpec。

　　此次论文仍是DeepSeek一贯的技术派风格，论文标题就较为晦涩——《DSpark：基于置信度调度的半自回归生成推测解码》（《DSpark:Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》）。

　　在论文中，DeepSeek首先解释了需要解决的问题。大语言模型采用自回归方式生成文本：每一个新词元（token）的生成，都需要基于全部前置词元完成一次完整前向传播，结果是输出越长，等待越久。由此带来GPU利用率低下、用户等待时间过长的问题，这是大语言模型线上服务的核心性能瓶颈，在实时对话助手、多轮智能体工作流等低时延敏感场景中尤为突出。

　　目前的主流方案分为自回归草稿模型（Eagle3）、并行草稿模型（DFlash）两条路线，二者各有缺陷，包括生成质量瓶颈和系统效率瓶颈等，且现有方案均缺乏负载自适应校验机制。

　　基于此，DeepSeek提出DSpark推测解码框架，采用半自回归架构，通过两套互补机制，解决草稿生成与校验环节的权衡矛盾，将高吞吐并行生成与自适应负载感知校验机制融为一体。

　　根据论文，在数学推理、代码生成、日常闲聊三类任务的受控离线基准测试中，相较于自回归草稿模型与并行草稿模型，Dspark框架能够大幅提升单轮平均可接受词元长度。

　　DeepSeek已经将DSpark部署到DeepSeek-V4在线服务系统中，并基于真实用户流量评估其实际性能。结果显示，相较于现有生产环境基线系统MTP-1，在相同吞吐量条件下，DSpark将用户端生成速度提升了60%-85%。

　　此外，DeepSeek也将这一框架部署在其他模型上，以阿里旗下的Qwen3-4B、8B、14B三个模型为例，相较于自回归草稿模型，DSpark平均单轮可接受词元长度分别提升了30.9%、26.7%、30%；相较于并行草稿模型，DSpark分别提升了16.3%、18.4%、18.3%。

　　从技术角度来看，这篇论文的主要价值在于，通过算法创新显著提升了模型的推理生成速度。在当前大模型行业逐渐走向落地的背景下，谁能更便宜、更快速地输出结果，也是一项重要的竞争力。此外，通过开源，DeepSeek也再次推动了社区发展。

　　“AI Infra再次被DeepSeek加速了。”在社交平台，有开发者评价道。也有用户认为，DeepSeek最让人佩服的点在于，模型迭代的同时，推理基础设施也在同步更新，发布V4时，连推理优化一起发，有论文也有代码，还验证了跨模型通用性。

　　即便近期频频传出融资消息，未来可能需要走向商业化，但通过这一开源，DeepSeek似乎在证明自己仍会坚持开源初心。